연구진이 SAM2 기반의 실시간 멀티 타겟 동영상 분할 프레임워크 SAM-MT를 제안했어요. SAM-MT는 개별 타겟을 명시적 쿼리로 표현하고, 전역 컨텍스트를 위한 공유 표현을 사용해요.
개별 타겟의 식별성을 유지하고, 타겟 간 간섭을 방지하기 위해 디커플드 마스크드 어텐션을 활용하며, 안정적인 시간적 변화를 위해 희소 메모리를 사용해요.
SAM-MT는 타겟 수에 따른 지연 없이 >36 FPS의 실시간 속도를 달성하며, SAM2의 강력한 동영상 분할 성능을 유지해요.